编程按顺序排列通常涉及以下步骤和算法：
确定需求
明确编程的目标和需求，包括解决的问题、功能要求和用户需求。
与相关人员沟通，确保对需求有准确的理解。
设计程序结构
设计程序的整体结构，包括模块划分、数据结构设计和算法选择。
合理的程序结构设计可以提高程序的可读性、可维护性和可扩展性。
选择排序算法
冒泡排序：比较相邻元素，如果顺序错误则交换位置，依次将最大的元素“冒泡”到最后。时间复杂度为O（n^2）。
插入排序：将数组分为已排序和未排序两部分，每次从未排序区间选择一个元素插入到已排序区间的合适位置。时间复杂度为O（n^2）。
选择排序：每次从未排序序列中选择最小的元素，然后放到已排序序列的末尾。时间复杂度为O（n^2）。
快速排序：选择一个基准元素，将数组分为比基准小和比基准大的两部分，对这两部分递归地进行排序。时间复杂度平均情况为O（nlogn）。
归并排序：将数组分为两个子数组，分别进行排序，然后再将两个有序的子数组合并成一个有序的数组。时间复杂度为O（nlogn）。
堆排序：将待排序序列构建成一个大（或小）根堆，然后依次将堆顶元素和最后一个元素交换，再重新调整堆，重复执行直到所有元素有序。时间复杂度为O（nlogn）。
希尔排序：将序列分成若干个子序列，对每个子序列进行插入排序，然后逐渐减小子序列的间隔，重复执行插入排序，直到间隔为1。时间复杂度介于O（n^1.3）和O（n^2）之间。
实现排序算法
根据选择的排序算法，选择合适的编程语言和数据结构实现排序逻辑。
例如，使用Python实现快速排序的代码可能如下：
```python
def quick_sort（arr）:
if len（arr） <= 1:
return arr
pivot = arr[len（arr） // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quick_sort（left） + middle + quick_sort（right）
print（quick_sort（[64, 34, 25, 12, 22, 11, 90]））
```
测试和优化
对排序算法进行测试，确保其正确性和效率。
根据测试结果进行优化，例如选择合适的排序算法或改进现有算法的实现。
通过以上步骤，可以实现编程中的按顺序排列。根据具体需求和数据特点，选择合适的排序算法是关键。